分析者のためのデータ解釈学入門 の商品レビュー
数理モデル入門とセットで読んだ。 双方重複箇所も結構あるが、こちらの方が非エンジニアにとっては実用的に感じる。
Posted by
データ分析者が、データの取得・分析・解釈・活用の各段階で知っておくべき技術を網羅的に解説している。 ド文系の自分には難しい部分もあったが、データを扱うに当たって前提となる知識が網羅的に分かりやすく解説されていて、有益な内容だった。
Posted by
配架場所・貸出状況はこちらからご確認ください。 https://www.cku.ac.jp/CARIN/CARINOPACLINK.HTM?AL=10296317
Posted by
入門書ということでデータを解釈することの重要性や難しさについて、幅広く学べました。詳細は別の参考書に譲るという体裁上、実際にすぐ応用できる知識がたくさん得られたという感じではなかったですが、今後学んでいく際にはバイブル的な本になるかもな一冊でした。時間があったら応用編も読んでみた...
入門書ということでデータを解釈することの重要性や難しさについて、幅広く学べました。詳細は別の参考書に譲るという体裁上、実際にすぐ応用できる知識がたくさん得られたという感じではなかったですが、今後学んでいく際にはバイブル的な本になるかもな一冊でした。時間があったら応用編も読んでみたいと思います。
Posted by
データサイエンティスト、またデータを扱うことに関係するすべての人におすすめ。 内容はある程度数学（中学ー高校）がわかっている人向けではあるが、それを除けば本当に誰でも読める。というかその部分を飛ばしてでも、読み進めていくことさえ可能である。本書では、データを解析する前にまずそのデ...
データサイエンティスト、またデータを扱うことに関係するすべての人におすすめ。 内容はある程度数学（中学ー高校）がわかっている人向けではあるが、それを除けば本当に誰でも読める。というかその部分を飛ばしてでも、読み進めていくことさえ可能である。本書では、データを解析する前にまずそのデータの収集プロセスが正しいか、またバイアスを回避（認識）できているか に始まり、正しい解析手法、間違いやすい解析プロセスを初学者にもわかりやすいように教えてくれる。 因果関係があるかどうかを判断する基準＝Hill's criteria は有効なので論文を書くときとかにうまく引用して使いたい
Posted by
●2025年5月26日、東京大学・書籍部にあった。セッションで寄った日。 生きるためにあっていい知識な気がする。
Posted by
江崎貴裕さんの著書2冊目。 こちらは前回の『数理モデル』よりもグッと分かりやすかったです。データを解釈する時に気をつけること、データ分析でできないことを入門書として解説してくれています。 データ分析をする人は全員目を通しておくべきかもしれませんね。 データ分析系の本を読んでい...
江崎貴裕さんの著書2冊目。 こちらは前回の『数理モデル』よりもグッと分かりやすかったです。データを解釈する時に気をつけること、データ分析でできないことを入門書として解説してくれています。 データ分析をする人は全員目を通しておくべきかもしれませんね。 データ分析系の本を読んでいるとまあまあ内容も被っていると思いますが、個人的には「変数データの振る舞い」「多変量データを解釈する」はあまり解説している本も少なかったので、ありがたかったです。（もちろん詳しい解説書はありますが、入門書の位置付けではあまり見ない） 『数理モデル』ももう一度読み直そうと思います。
Posted by
データに向き合う時の大前提「データ分析は万能じゃない」をわかりやすく示す本。現代では一般教養に近い内容かもしれない。
Posted by
お勉強のための本としては かなり気軽で、読むための負荷がほとんどかからない良い本でした。このシリーズ揃えたいな〜
Posted by
『データ解釈学』 網羅性★★★★★ 分析方法★★★★★ 解釈 ★★★★ 【購読動機】 目的に沿うデータを取得、集計し、解釈をするシーンがあります。他社のIR資料を理解するもその一つです。こうした業務を重ねるなかで「解釈」という行為の幅の広さを再認識することになりました。 ――...
『データ解釈学』 網羅性★★★★★ 分析方法★★★★★ 解釈 ★★★★ 【購読動機】 目的に沿うデータを取得、集計し、解釈をするシーンがあります。他社のIR資料を理解するもその一つです。こうした業務を重ねるなかで「解釈」という行為の幅の広さを再認識することになりました。 ―――――――― 【本書の特徴】 データを集計、分析する領域に関心ある人向けです。目的別にデータ集計、分析手法の紹介があります。また、そのメリット、デメリットの記述もあります。冒頭にあるとおり、網羅性が高い書籍です。 一方で、わたくしのようにデータを分析する手法よりも、解釈のやり方に課題、関心があるひとには少し難易度が高いかもしれません。 ―――――――― 【学べたこと】 私が観察するデータ群には、大きく２つの種類にわかれます。サンプル点数が比較的多いものと少ないものです。 データ群が多い場合には、分布図を観察することの有益性を認識することができました。 また、異常値がある場合は、含めた場合と除去した場合の２種比較をすることの意義も学べました。 ＜データ分析。主な目的とデザイン＞ １） データ記述・探索 特徴の強さ・特筆性を明るくすること。 ２） 予測 目的変数を設定→予測モデリングの構築をすること。 ３） 因果推論 目的変数と説明変数の関係性の強弱を明るくすること。 ＜因果関係を判定するための基準＞ １） 頑強性 ２） 一貫性 ３） 特異性 ４） 時間制 ５） 用量反応関係 ６） 妥当性 ７） 整合性 ８） 実験の有無 ９） 類似性 ＜さいごに＞ 例えば、１つの事象（不具合含む）を観察したときに、それが過去の事象と比較して、３）特異性なのか？９）類似性があることなのか？を区別することで、その後の解決に向けての解釈の展開が合理的になるすことを理解できます。 また、事実を並列にするときに、推理小説のように４）時間別にプロットすることの有効性も理解できます。 学生時代に統計学を避け、別の科目を取得したことを思い出しつつ、書を閉じました。。。
Posted by